Одилон Редон на Deziiign

Идея проекта

В основе проекта лежит обращение к творчеству Одилон Редон — французского художника-символиста XIX — начала XX века. Он является одним из родоначальников символизма и предшественника сюрреализма. Его работы отличаются мягкой пастельной палитрой, размытыми силуэтами и ощущением сна или видения, где важнее не форма, а настроение.

Мне этот стиль показался близким к мифологическим и библейским образам, не в буквальном смысле, а как к внутренним, символическим состояниям. Поэтому в своей серии я обращаюсь к сюжетам греческой и римской мифологии, переосмысляя их через атмосферу, цвет и эмоцию, а не через точное изображение.

Исходные изображения

Папка с исходными фотографиями

Работы художника

Творчество Одилона Редона строится вокруг образов, которые выглядят как видения или фрагменты сна. Его работы не стремятся к точности или реалистичности, наоборот, в них ощущается отстранённость от реального мира и погружение в фантазийное пространство.

Часто он обращается к необычным, даже немного тревожным мотивам: изолированные части лица, фантастические существа, странные композиции без явного сюжета. При этом более поздние работы становятся светлее — в них появляется цвет, мягкость и декоративность, но сохраняется ощущение загадочности и недосказанности.

Описание процесса обучения

1 блок: Setup — Настройка окружения

На первом этапе я работала в Google Colab и подготавливала среду для дальнейшей работы.

Сначала я подключилась к удалённой вычислительной среде с поддержкой GPU, чтобы использовать ускорение. После этого проверила, что видеокарта доступна и работает корректно, а мощности достаточно для обучения модели.

Далее установила все необходимые библиотеки и загрузила модель SDXL DreamBooth (Stable Diffusion). После установки подключила Google Диск, где находились исходные изображения, которые в дальнейшем использовались для обучения.

Фрагменты кода — 1 блок

2 блок: Dataset — Подготовка датасета

На этом этапе я занималась проверкой и подготовкой изображений.

Я открыла папку на Google Диске, где хранился датасет, и просмотрела все файлы. Убедилась, что изображения корректно загружаются, не повреждены и подходят для обучения модели.

Таким образом, я проверила качество и содержимое датасета перед началом обучения.

Фрагменты кода — 2 блок

3 блок: Prep for Training — Подготовка к обучению

Здесь я подготовила всё необходимое для запуска процесса обучения.

Загрузила дополнительные библиотеки, которые требуются для обучения модели, и авторизовалась в аккаунте Hugging Face. Это необходимо для доступа к моделям, а также для корректного запуска и сохранения результатов обучения.

Фрагменты кода — 3 блок

4 блок: Train — Настройка обучения

На этом этапе я настраивала все компоненты, необходимые для тренировки модели.

Установила Stable Diffusion, подключила датасеты и убедилась, что все библиотеки работают корректно. Подготовила систему к запуску основного процесса обучения.

Исходный размер 1161x367

Фрагмент кода — блок 4

5 блок: Launch Training — Запуск обучения

Здесь происходил основной процесс обучения модели.

Я задала ключевые параметры: -размер шага (step), который влияет на качество обучения; -путь к датасету, откуда модель берет изображения папку, в которую сохраняются результаты и веса обученной модели

После этого запустила обучение. Модель проходила процесс обучения на заданных данных, и по его завершении все результаты были сохранены в указанную директорию.

После окончания обучения я дополнительно установила необходимые инструменты для дальнейшей генерации изображений.